Sistemas Multiagentes

Apresentação em tema: "Sistemas Multiagentes"— Transcrição da apresentação:

1 Sistemas Multiagentes
Luis Otavio Alvares (II-UFRGS)

2 Sumário Introdução aos SMA Conceito de agente e SMA Exemplos
Breve histórico Sistemas Multiagentes reativos e cognitivos Bibliografia SMA reativos SMA cognitivos

3 O que são agentes? o termo vem sendo aplicado indistintamente, tanto na comunidade de computação em geral como em IA; sistemas baseados em agentes estão sendo propostos como a solução para tudo (principalmente com o que tenha a ver com a Internet)

4 O que é um agente? é uma entidade real ou virtual
que está inserida em um ambiente que pode perceber o seu ambiente que pode agir no ambiente que pode se comunicar com outros agentes que tem um comportamento autônomo, conseqüência de suas observações, de seu conhecimento e de suas interações com os outros agentes

5 Outras características de agentes
Continuidade temporal Mobilidade Benevolência Aprendizagem Cooperação Veracidade ...

6 O que é um sistema multiagente?
Um conjunto de agentes que interagem em um ambiente comum

7 Exemplos Jogos de computador Interpretação de linguagem natural
Simulação Assistentes pessoais Comércio eletrônico Tutores inteligentes Controle de redes de energia elétrica ...

8 Mudança de Paradigma passa-se de uma abordagem global para uma
abordagem baseada em agentes (individual) Dar exemplo do sistema de pintura de caminhoes

9 Características de domínios típicos
dados distribuídos controle distribuído diversidade de conhecimento decomponibilidade da tarefa global multiplicidade de funções certo grau de autonomia

10 Vantagens adaptabilidade tolerância a falhas modularidade eficiência

11 Problemas comunicação coordenação
inexistência de metodologia consagrada ...

12 Breve histórico Hearsay II (Corkill, Erman, Hayes-Roth, Lesser, 1973)
blackboard architecture Actors (Hewitt, 1973)e Beings (Lenat, 1975) estruturas de controle complexas Contract Net (Smith, 1982) controle hierárquico descentralizado DVMT (Lesser 1984) interpretação distribuída, organização Robos reativos (Brooks, 1986) subsumption architecture MACE (Gasser, 1987) ambiente multiagente

13 Tipos de SMA [Demazeau 94] Agentes Cognitivos representação explícita
têm histórico comunicação direta controle deliberativo organização social poucos agentes Agentes Reativos representação implícita não têm histórico comunicação indireta controle não deliberativo organização etológica muitos agentes

14 Exemplo de jogo: GUIMO jogo de ação
um jogo mais interessante por ser menos repetitivo e mais “real” alguns requisitos: resposta rápida por parte dos agentes artificiais independência de um roteiro pré-definido maior envolvimento do jogador com os elementos do sistema

15 Solução adotada Definir comportamentos elementares, possibilitando reações rápidas, que combinados produzem um comportamento complexo vaguear seguir em determinada direção atacar defender-se

16 Exemplo de comportamento
O agente A1 “vê” um inimigo A2. O seu comportamento de ataque é então ativado, fazendo com que se aproxime de A2, disparando. Se o agente A2, por sua vez, também atira em A1, este, ao perceber o projétil, irá saltar para evitar o ataque que está sofrendo. O comportamento global do agente A1 seria: atacar enquanto persegue e desviar-se de um ataque um comportamento complexo, não previsto inicialmente

17 Bibliografia Proceedings ICMAS (95,96,98,00)
Proceedings MAAMAW Workshops (Europa) Proccedings DAI Workshops (Estados Unidos) Proceedings IJCAI, AAAI, ECAI, SBIA, ... Autonomous Agents and Multi-agent Systems (Journal) Readings in Distributed Artificial Intelligence. A. Bond e Les Gasser. Morgan Kaufman, 1988 Readings in Agents M. Huhns e M. Singh. Morgan Kaufman, 1998 Introdução aos Sistemas Multiagentes L.O.Alvares e J. Sichman, Anais JAI’97

18 Sistemas Multiagentes Reativos

19 Motivação para o estudo de SMA Reativos
Precisamos de agentes complexos para realizar tarefas complexas ou podemos realizar uma tarefa complexa através de interações de muitos agentes simples? exemplo clássico: colônia de formigas

20 Características dos agentes reativos
não há representação explícita do ambiente nem de outros agentes não há memória das ações (histórico) organização etológica comportamento simples do tipo estímulo-resposta comunicação através do ambiente pela propagação de sinais

21 Modelos de SMA Reativos
Funcionalidade Emergente (Luc Steels) Eco-resolução (Jacques Ferber) PACO (Yves Demazeau)

22 Modelo da Funcionalidade Emergente
- Baseado na arquitetuta de subsunção (subsumption architecture, Brooks 86) - Cada módulo é um autômato de estado finito - Realização de vários robôs reais

23 Exemplo: robôs mineradores (L. Steels)
Um conjunto de robôs deve procurar e coletar minerais e levá-los para a base central.

24 Comportamento do Robô 1- Evitar obstáculo
2- Se perceber a base central e estiver carregado, descarregar 3- Se perceber um mineral e não estiver carregado, pegá-lo 4- Realizar movimento aleatório

25 Projeto do robô

26 Comportamento do robô 2 1- Evitar obstáculo
2- Se perceber a base central e estiver carregado, descarregar 3- Se perceber um mineral e não estiver carregado, pegá-lo 4- Se estiver carregado, seguir maior gradiente 5- Realizar movimento aleatório

27 Projeto do robô 2

28 Obervações: O robô 2 não apresenta nenhuma forma de cooperação
Não permite retornar ao local da jazida de mineral Como melhorar isto?

29 Robô 3 1- Evitar obstáculo
2- Se perceber a base central e estiver carregado, descarregar 3- Se perceber um mineral e não estiver carregado, pegá-lo 4- Se estiver carregado, seguir maior gradiente, deixando uma pista 5- Se encontrar uma pista e estiver descarregado, seguir na direção do menor gradiente 6- Realizar movimento aleatório

30

31 Interpretação dos resultados:
O Robô 3 possui um mecanismo simples de manutenção e compartilhamento de informação, utilizando o ambiente Como memória 64 robôs - melhor resultado (1.113 ciclos) média ciclos maior nro. robôs => maior chance de encontrar o minerais mecanismo de criação de pistas: espécie de catalizador variações entre populações próximas: pelo que acontece quando os depósitos ficam esgotados

32 Robô 4 1- Evitar obstáculo
2- Se perceber a base central e estiver carregado, descarregar 3- Se perceber um mineral e não estiver carregado, pegá-lo 4- Se estiver carregado, seguir maior gradiente deixando uma pista 5- Se encontrar uma pista e estiver descarregado, seguir na direção do menor gradiente, retirando a pista 6- Realizar movimento aleatório

33

34 Interpretação dos resultados
Perda evidente de desempenho para população > 70 robôs O que perde em eficiência, ganha em predição (não há grandes variações entre populações próximas) Perda de eficiência: após um robô ter deixado o mineral na base, há forte probabilidade de outro robô ter encontrado a pista e a ter seguido, retirando a pista. Em vez de um mecanismo de compartilhamento de informação obtivemos um mecanismo de transferência de informação

35 Robô 5 1- Evitar obstáculo
2- Se perceber a base central e estiver carregado, descarregar 3- Se perceber um mineral e não estiver carregado, pegá-lo 4- Se estiver carregado, seguir maior gradiente deixando duas pistas 5- Se encontrar uma pista e estiver descarregado, seguir na direção do menor gradiente, retirando uma pista 6- Realizar movimento aleatório

36

37 Interpretação do resultado
média: ciclos mínimo: ciclos melhor solução para população < 85 robôs problema para mais de 85 robôs: - deformação das pistas: um robô que retorna se encontra com outros que vão para o mineral - verdadeiros bloqueios, engarrafamentos, próximo à base central

38 Modelo da Eco-Resolução (Jacques Ferber)

39 Eco-Resolução Técnica de resolução de problemas
Um problema é decomposto em um conjunto de eco-agentes Cada eco-agente possui um objetivo (atingir um estado de satisfação) e dois comportamentos gerais: - de satisfação: procura atingir seu estado de satisfação - de fuga: de outro agente que o está “agredindo”

40 Exemplo: PENGI Agre e Chapman: inviável com algoritmo de planejamento

41 PENGUI: Comportamento dos agentes
ABELHAS: - estado de satisfação: matar o pingüim - comportamento de satisfação: ir em direção ao pingüim PINGÜIM: - estado de satisfação: não haver mais diamantes a pegar - comportamento de satisfação: ir em direção ao diamante mais próximo - comportamento de fuga: ir para uma casa o mais longe possível das abelhas. Ou para a mais próxima, se há um cubo de gelo adjacente, na direção da abelha

42 PENGUI (cont.) Comportamento “inteligente”
- parece que o pingüim é inteligente, pois muitas vezes mata a abelha com cubos de gelo - não há nenhuma atividade de “caça às abelhas” - nós é que consideramos em tudo uma intencionalidade, que muitas vezes não existe

43 Exemplo: Quebra-cabeça de 8

44 Abordagem clássica ... - abordagem clássica: orientada a estados
(algoritmo A* e variantes) - limitada

45 Exemplo: Quebra-cabeça de 8 (cont.)
- mudança de enfoque para abordagem orientada a agentes - cada peça será um agente - a escolha do movimento de uma peça (agente)será baseada: - na distância do seu objetivo - na distância do “branco” - ordem de resolução:

46 Exemplo: Quebra-cabeça de 8 (cont.)
- comportamento de satisfação: ir para a casa mais próxima do objetivo. Se houver duas casas eqüidistantes, ir para a mais próxima do branco - comportamento de fuga: ir para o seu objetivo, se for adjacente. Senão, ir para a casa mais próxima do branco. Se houver duas casas eqüidistantes, ir para a mais próxima do seu objetivo. Restrições: não ir para a casa que é o do agressor e não ir para a casa que é o objetivo do antecessor do agressor na ordem de preenchimento.

47 Problema do canto

48 Exemplo: Quebra-cabeça de 8 (cont.)
- resultados experimentais até 899 peças (30x30) (Drogoul 93) - validade para qualquer tamanho de jogo - validade mesmo para tabuleiro retangular

49 Modelo PACO (Y. Demazeau)
Em vez de considerar a solução de um problema como o resultado da minimização de uma função global de energia simplesmente expresse o problema como o estado de equilíbrio de um conjunto de agentes que interagem entre si e com o ambiente através de forças

50 Modelo PACO (cont.) Técnica de resolução de problemas
Um problema é definido como um conjunto de agentes que tentam encontrar um estado de equilíbrio Os agentes são caracterizados por campos: - de percepção (o que ele percebe do ambiente) - de comunicação (agentes que o influenciarão na execução de uma ação ) - de força (agentes sobre os quais ele pode agir)

51 Modelo PACO (cont.) O comportamento do agente é baseado num ciclo:
regulagem e aquisição - definição dos campos de percepção e comunicação processamento - cálculo das forças exercidas sobre o agente regulagem e ação - cálculo da nova posição do agente

52 Exemplo: Generalização Cartográfica
Processo de abstração usado quando a escala do mapa é reduzida. Envolve modificação dos dados de modo que possam ser representados em um espaço menor, preservando da melhor forma possível os aspectos geométricos e descritivos. A maioria dos mapas em pequenas e médias escalas são obtidos por generalização de grandes escalas.

53 SIGMA (cont.) campos: - percepção - classe - objeto geográfico
- vizinhança - grupo forças: - repulsão entre agentes - acompanhamento integral - acompanhamento proporcional - retorno à posição original - troca de simbologia

54 Generalização Cartográfica
Processo de abstração usado quando a escala do mapa é reduzida. Envolve modificação dos dados de modo que possam ser representados em um espaço menor, preservando da melhor forma possível os aspectos geométricos e descritivos. A maioria dos mapas em pequenas e médias escalas são obtidos por generalização de grandes escalas. ex: França - mapa básico: 1/25.000 generalizados: 1/50.000 1/

55 Generalização Cartográfica
Dificuldade: escolher como representar um número suficiente de objetos geográficos numa superfície reduzida, usando símbolos que preservem a identificabilidade do objeto Numerosas modificações nos dados são necessárias. Exemplo:

56 Generalização Cartográfica

57 Generalização Cartográfica
Fatores que influenciam a generalização: Escala Objetivo do mapa Simbolização Meio de saída

58 Generalização Cartográfica
Automatização abordagem algorítmica sistemas baseados em conhecimento problema: independência de contexto solução: sistemas multiagentes reativos

59 O modelo proposto entradas: dados oriundos de um BD Geográfico (classe do objeto, coordenadas, etc…) -características da saída desejada processamento: baseado num modelo de forças eletrostáticas de atração e repulsão saída: mapa

60 O Modelo Proposto importância do objeto (massa) Agentes:
cada ponto, representado no BD por suas coordenadas, corresponde a um agente no modelo Pré-ordem: importância do objeto (massa) Grupo natural: agentes associados a um mesmo ponto geográfico Grupo artificial: agentes com topologia comum

61 O Modelo Proposto Interações: baseadas em forças
Força de repulsão entre agentes Força de acompanhamento integral Força de acompanhamento proporcional Força de retorno à posição original Troca de simbologia

62 O Modelo Proposto

63 O Modelo Proposto

64 Resultados Obtidos

65 Sistemas Multiagentes Cognitivos

66 Características dos agentes cognitivos
Representação explícita do ambiente e de outros agentes memória das ações (histórico) organização social mecanismo de controle deliberativo comunicação direta entre os agentes poucos agentes

67 Arquiteturas de agentes
os modelos clássicos baseiam-se na corrente simbólica de IA (arquiteturas deliberativas) grande influência da comunidade de “planning”

68 Arquitetura de agente cognitivo
Conhecimento do domínio Objetivos Planos Ambiente Controle Raciocínio Decisão Percepção Ação

69 Arquitetura de agente cognitivo
Conhecimento sobre si mesmo e os outros Conhecimento do domínio Objetivos Planos Outros agentes Ambiente Controle Raciocínio Decisão Comunicação Percepção Ação Mensagens Protocolos

70 Arquitetura de Agente: Demazeau 90
CP K O CE A CC CR P E CD • CP capacidade de percepção (1st hand) • CC capacidade de comunicação (2nd hand) • K conhecimento • O objetivos • CR capacidade de raciocínio • P planos possíveis • CD capacidade de decisão • E escolha de um plano • CE capacidade de engajamento • A ação sobre o ambiente ou outros agentes

71 Arquitetura BDI : Georgeff 85

72 Abordagem Mentalista informações que o agente tem do mundo (information attitudes): conhecimento, crenças pró-attitudes (orientam, influenciam a ação do agente): desejos, intenções, obrigações, ...

73 Abordagem Mentalista Estados mentais necessários (filosofia):
desejos (geral, todos os objetivos e metas do agente) e crenças intenções – tem o caráter de comprometimento, pois os agentes são limitados: tem que tomar uma decisão e parar de “pensar” e agir para realizar a decisão

74 Abordagem mentalista Intenções: - estão associadas a ações
- há uma questão temporal envolvida orientadas para o presente: causam comportamentos, ações, para satisfazer a intenção orientadas para o futuro: criam restrições para o agente; guiam as atividades de planejamento e a adoção de novas intenções

75 Interação entre Agentes

76 Conhecimento sobre outros agentes
Representações mútuas: as competências: quem sabe como fazer o que? a tarefa sendo executada: quem executa o que? as intenções, os objetivos: quem tem intenção do que? os compromissos: quem está engajado com o que? como representar e atualizar este conhecimento?

77 Teoria dos Atos de Fala comunicar é agir: trata-se de uma ação regular como qualquer outra, que deve ser gerada e processada categorização de primitivas de comunicação: inform, ask-to-do,answer,promise,propose,…

78 Protocolos de Interação (cont.)
[Demazeau 95] Uma linguagem de interação entre agentes é definida do seguinte modo: <interaction> ::= <communication> <m.a.s.> <application> onde: <communication> ::= <from><to><id><via><mode> e <m.a.s.>::=<type><strength><nature><protocol>

79 4 : A ask B about why 2 S6 S3 2: B does not want to answer 1 to A Answer to a question next level of dialogue S1 S2 5 : B inform A about X S4 1: A ask B about X 3 : B ask A about why 1 S5 Answer to a question next level of dialogue

80 Protocolo de Redes de Contrato
gerente gerente propostas • anúncio pelo gerente • propostas pelos participantes • anúncio de um vencedor • estabelecimento de contrato C C A B A B participantes gerente gerente decisão contrato C C A B A B

81 Protocolo de Resolução de Conflitos [Sian]
• Não há modelos dos outros agentes • Comunicação de alto nível (assert, propose (nova H), modify (uma H proposta), agreed (com uma H proposta), disagree, noopinion, confirm, accept, withdraw) • Uso de função de avaliação cujos termos são: count (confirm), count (noopinion), count (modify),count (disagree) + protocolo de interação para resolver conflitos • Executa revisão de crenças + aprendizagem propose assert modify confirm disagree noopinion withdraw agreed accept

82 COORDENAÇÃO DE AGENTES

83 Conceito de coordenação
É o processo de gerenciar dependências entre atividades [Malone 94] É o processo em que agentes se engajam para garantir que um grupo de agentes tenha um comportamento coerente [Nwana e Jennings 96]

84 Exemplos de coordenação
controle de tráfego aéreo time de futebol desfile de carnaval trânsito de automóveis em uma cidade operação militar vôo de bando de pássaros sistema imunológico animal construção de avião, estrada, etc. operação cirúrgica orquestra

85 Exercício Cada aluno deve escolher um número entre 0 e 100. Ganha quem tiver escolhido o número que mais se aproxime da metade da média dos números.